tag 數據集

標籤
貢獻73
161
11:04 PM · Nov 06 ,2025
u_17467352 頭像 u_17037082 頭像 u_16018702 頭像 u_15469972 頭像 u_13360 頭像 u_15505879 頭像 u_17335978 頭像 u_15851118 頭像 chaoshenjinghyperai 頭像 u_15214399 頭像 u_15988698 頭像 u_39037 頭像

@數據集 / 博客 RSS 訂閱

u_17467352 頭像

mb686fbcc4efbd6 - 無人機視角智慧交通擁堵識別分割數據集labelme格式2392張3類別

注意數據集大約有一半是增強圖片主要為旋轉增強圖片 數據集格式：labelme格式(不包含mask文件，僅僅包含jpg圖片和對應的json文件) 圖片數量(jpg文件個數)：2392 標註數量(json文件個數)：2392 標註類別數：3 標註類別名稱:["crowdedstreet","notraffic","traffic"] 每個類別標註的

數據集 , json數據 , 後端開發 , JAVA , Json

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 豬圈裏的豬行為識別吃喝喝睡覺站立等行為檢測數據集VOC+YOLO格式630張4類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：630 標註數量(xml文件個數)：630 標註數量(txt文件個數)：630 標註類別數：4 所在倉庫：firc-dataset 標註類別名稱(注意yolo格式

數據集 , 後端開發 , JAVA , txt文件 , xml文件

收藏 評論

u_39037 頭像

jimoshalengzhou - 機器學習：模型評估與選擇：性能度量——ROC與AUC

如果一個項目的核心不是分類準確率，而是概率估計的質量。換句話説，需要的是一個校準良好的模型。這裏校準的定義是：如果模型給一批樣本都預測了25%的正例概率，那這批樣本中實際的正例比例應該接近25%。這就是校準。 解決這個校準問題單看ROC-AUC不夠，要用Brier score或者Log-loss來保證校準質量。 我們先介紹一下我們一般使用的的幾個指標： ROC-

數據集 , 正例 , Css , 前端開發 , 直方圖 , HTML

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 【完整源碼+數據集】武器刀具數據集，yolov8武器刀具檢測數據集 4098 張，武器刀具識別數據集，安防監控武器刀具識別系統實戰教程 - 教程

一、武器刀具識別數據集介紹 【數據集】yolov8武器刀具檢測數據集 4098 張，目標檢測，包含YOLO/VOC格式標註，訓練、驗證、測試集已劃分。 數據集中標籤包含2種分類：names: ['guns', 'knife']，代表槍械、刀具。 檢測場景為道路、商場、辦公大樓、公園、槍械軍工廠等場景，可用於交通樞紐與重點場所安檢、公共場

數據集 , redis , xml , 數據庫 , 深度學習

收藏 評論

u_17037082 頭像

王校長的熱狗 - 水稻開花成熟生長階段檢測12985張VOC+YOLO（已增強）

水稻開花成熟生長階段檢測12985張VOC+YOLO（已增強） 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：12985 Annotations文件夾中xml文件總計：12985 labels文件夾中txt文件

數據集 , 水稻開花成熟生長階段 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 無人機視角軍事目標檢測數據集VOC+YOLO格式5239張8類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：5239 標註數量(xml文件個數)：5239 標註數量(txt文件個數)：5239 標註類別數：8 所在github倉庫：firc-dataset 標註類別名稱

數據集 , 後端開發 , txt文件 , xml文件 , Python

收藏 評論

u_16099164 頭像

碼海舵手 - Ubuntu 計算機視覺開發環境配置（Python/C++）自用_amateur

1 作業要求 輸入圖像為： 普通 A4紙，上有手寫的如下信息： 學號 手機號 身份證號 所有輸入格式一致，數字不粘連，但是拍照時角度可能不正。 輸出： 每個主要步驟的輸出結果，包括對 A4紙的矯正結果，行的切割，以及單個字符的切割結果。 對 A4紙上信息進行識別，以 xlsx 格式保存。

數據集 , c++ , Ada , 計算機視覺 , 前端開發 , Javascript , Python

收藏 評論

u_17171882 頭像

Chikaoya - R語言21天學習計劃 - 第二天：數據導入導出與數據清洗

📚 今日目標 學習多種數據格式的導入導出 掌握數據清洗的基本操作 處理缺失值和異常值 實踐數據轉換和整理 📁 第一部分：數據導入 1.1 內置數據集 # 查看所有內置數據集 data() # 加載內置數據集 data(mtcars) # 汽車數據集 data(iris) #

數據集 , 缺失值 , 數據 , AI寫作 , aigc

收藏 評論

u_17037082 頭像

王校長的熱狗 - 道路缺陷檢測數據集（裂縫坑洞）5503張VOC+YOLO格式

道路缺陷檢測數據集（裂縫坑洞）5503張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：5503 Annotations文件夾中xml文件總計：5503 labels文件夾中txt文件總計：

數據集 , 道路缺陷檢測數據集 , 後端開發 , txt文件 , Git , Python

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - 基於Kaggle DeepFake比賽的代碼實戰 - BBuf的個人空間 -

目 錄 1. 概述... 2 2. 測試DeepSeek 15B原生模型... 3 3. 測試微調訓練後的大模型... 4 4. 微調模型訓練過程及代碼... 6 1. 概述 　　基於DeepSeek-R1-Distill-Qwen-1.5B模型訓練自主的領域大模型，例如打造針對鋼鐵、礦山、有色、稀土、建材、加工製造等

工業互聯網 , 數據集 , 物聯網 , Css , 前端開發 , HTML

收藏 評論

u_13360 頭像

level - KNN 方法構建圖模型中計算節點之間距離

樹模型 樹模型在機器學習中至關重要，它不僅本身具有較好的性能，也可以用於優化其他的算法。 我們在本節將要介紹優化算法的樹模型以及決策樹。 一、的數據結構 在KNN算法中我們要找到測試點的最近的K個鄰居，但是這需要我們求解所有點與測試點之間的距離（我們稱這個過程為線性掃描），在數據集很大時這顯然是不合理的，為此我們需要在

機器學習 , 數據集 , 決策樹 , 算法 , 座標軸 , 人工智能

收藏 評論

u_17037082 頭像

王校長的熱狗 - 15種傢俱分割數據集2943張json格式

15種傢俱分割數據集2943張json格式 數據集格式：labelme格式(不包含mask文件，僅僅包含jpg圖片和對應的json文件) 圖片數量(jpg文件個數)：2943 標註數量(json文件個數)：2943 標註類別數：15 標註類別名稱:["chair","table","bed","sofa

數據集 , Small , 傢俱分割數據集 , 後端開發 , Json , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 辣椒葉片病害數據集1997張VOC+YOLO格式

辣椒葉片病害數據集1997張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：1997 Annotations文件夾中xml文件總計：1997 labels文件夾中txt文件總計：1997 標籤種類數：5 標籤名稱:["cerc

數據集 , 辣椒葉片病害數據集 , 後端開發 , txt文件 , ci , Python

收藏 評論

u_16213395 頭像

mob64ca12e7b5cf - ollama退出模型指令

在使用Ollama時，我們有時會遇到“ollama退出模型指令”的問題。這通常表現為模型在運行過程中意外退出，無法執行預期的任務。接下來，我將詳細記錄我解決這一問題的過程，包括錯誤現象、根因分析、解決方案、驗證測試以及預防優化措施。 問題背景 在與Ollama進行模型推理時，用户注意到，在特定操作條件下，Ollama經常會無故退出。此現象對生產環境的穩定性產生了影響。以下是該問題

數據集 , 數據 , aigc , 解決方案

收藏 評論

u_17037082 頭像

王校長的熱狗 - 街景目標檢測數據集4813張VOC+YOLO格式

街景目標檢測數據集4813張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：4813 Annotations文件夾中xml文件總計：4813 labels文件夾中txt文件總計：4813

數據集 , 街景目標 , 後端開發 , txt文件 , 目標檢測 , Python

收藏 評論

u_16099356 頭像

IT智行領袖 - hadoop 配置多塊磁盤

數據存儲與分析 要實現對多個磁盤數據的並行讀寫 需要解決的很多問題 1 硬件故障問題。硬件多了，發生故障的概率變大。避免數據丟失的是備份。RAID(冗餘磁盤陣列)，HDFS 2 大多數分析任務需要以某種方式結合大部分數據共同完成分析任務，一個磁盤讀取得數據可能需要和另外的99個磁盤中 讀取的數據結合使用，各種分佈式系統允許結合多個來源的數據並實現分析，但

數據集 , hadoop 配置多塊磁盤 , 大數據 , 數據 , hadoop , 結構化

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測

最新案例動態，請查閲【案例共創】線性迴歸 - 汽車行駛里程與油耗關係預測。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由：梅科爾工作室提供 1 概述 1.1 案例介紹 在機器學習領域，線性迴歸就是使用一個線性函數（多項式迴歸可以是曲線）去擬合給定的訓練集，測試時，對輸入的x值，返回這個線性函數的y值。最終目標是找到y=Θ0 + Θ1x1 +

機器學習 , 數據集 , 數據 , 人工智能 , 開發者

收藏 評論

u_17467352 頭像

mb686fbcc4efbd6 - 航空飛機表面缺陷裂紋鏽蝕凹陷檢測數據集VOC+YOLO格式2495張5類別

數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：2495 標註數量(xml文件個數)：2495 標註數量(txt文件個數)：2495 標註類別數：5 所在倉庫：firc-dataset 標註類別名稱(注意yol

數據集 , 後端開發 , JAVA , txt文件 , xml文件

收藏 評論

u_17487076 頭像

mb6890178244a4e - 數字採集分類任務

圖像分類是計算機視覺中的基礎任務，本實例使用 TensorFlow 和 Keras 庫對 MNIST 手寫數字數據集進行分類。 import tensorflow as tffrom tensorflow.keras.datasets import mnistfrom tensorflow.keras.models import Sequentialfrom tensorf

數據集 , 雲平台 , 數據 , tensorflow , 雲計算

收藏 評論

u_15988698 頭像

代碼天地 - 基於CNN-SVM的選煤廠浮選泡沫圖像識別方法

計算機視覺技術是指利用相機與電腦連接成的一個系統，通過對目標的檢測、追蹤、測量和進一步的預處理得到能夠代表圖像特徵的信息，再對這些特徵信息通過計算機算法進行識別[1-2]。在選煤行業，隨着選煤廠智能化水平的提高，對各個生產崗位的要求也更加嚴格，同樣浮選車間的控制也要求精煤灰分儘可能穩定[3]。前人在浮選泡沫圖像的識別問題上已經做了大量的研究，例如，Kaartinen[4]在鋅粗選

預處理 , 數據集 , 卷積 , 服務器 , 分佈式

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - Transformer實戰（22）——啓用FLAIR進行語義相似性評估

Transformer實戰（22）——使用FLAIR進行語義相似性評估 0. 前言 1. 使用 FLAIR 進行語義相似性評估 2. 平均池化詞嵌入 3. 基於循環神經網絡的文檔嵌入 4. 基於 Transformer 的 BERT 嵌入 4. Sentence-BERT 嵌入 系列鏈接 0. 前言

數據集 , redis , 數據庫 , 循環神經網絡 , 池化

收藏 評論

u_16099311 頭像

Python數據分析 - yolo目標檢測實際流程圖

Yolo v2 論文名稱 Yolo9000：Better，Faster，Stronger 該論文實際上包含了2個模型，Yolov2 和 Yolo9000，Yolo v2 是在 Yolo v1 基礎上進行了改進， 此外作者提出了一種 檢測和分類 的聯合訓練方法，並用該方法在 COCO 檢測數據集 和 ImageNet 分類數據集上訓練 Yolo v2，把得到的模型稱為 Yol

數據集 , 卷積 , 寬高 , yolo目標檢測實際流程圖 , 人工智能 , 計算機視覺

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 深入解析：YOLOv7自然場景Logo檢測項目yolov7-logo-detection (YOLOv7+Flickr27/LogoDet-3K)：雙數據集驗證、模型訓練與工業部署實戰

目錄 yolov7-logo-detection項目概述 一、項目目標與核心概念界定 1. 核心目標 2. 關鍵概念區分 二、技術架構：為何選擇 YOLOv7？ 1. YOLOv7 的核心優勢 2. YOLOv7 的三大核心組件 3. YOLOv7 的關鍵改進 三、數據集：從小規模驗證到大規模擴展 1. 兩個數據集的核心

數據集 , redis , 數據 , 數據庫 , Python

收藏 評論

u_16099256 頭像

智能創新者 - 玉米轉錄組的KEGG和GO富集分析_51CTO博客

1. 富集分析基礎知識 1.1 什麼是富集分析？為什麼要做富集分析？ 富集分析（Enrichment Analysis）是生物信息學中一種重要的分析方法，主要用於識別在特定生物樣本（如基因集、代謝物集或其他分子集合）中是否存在某種功能類別或通路的顯著性聚集現象。該方法廣泛應用於基因表達分析、蛋白質組學、代謝組學等領域，有助於解析複雜的生物學過程、疾病發生機制以及基因功

標識符 , 數據集 , 數據庫 , 後端開發 , Python

收藏 評論